更新基于另一个数据框

鉴于数据帧df一个数据帧：更新基于另一个数据框

Id Sex Group Time Time! 
0 21 M  2 2.31 NaN 
1 2 F  2 2.29 NaN

和update：

Id Sex Group Time 
0 21 M  2 2.36 
1 2 F  2 2.09 
2 3 F  1 1.79

我想匹配Id，Sex和Group，要么更新Time!与Time值（从df）如果匹配，或者插入新记录。

这是我如何做到这一点：

df = df.set_index(['Id', 'Sex', 'Group']) 
update = update.set_index(['Id', 'Sex', 'Group']) 

for i, row in update.iterrows(): 
    if i in df.index: # update 
     df.ix[i, 'Time!'] = row['Time'] 
    else:    # insert new record 
     cols = up.columns.values 
     row = np.array(row).reshape(1, len(row)) 
     _ = pd.DataFrame(row, index=[i], columns=cols) 
     df = df.append(_) 

print df 

       Time Time! 
Id Sex Group    
21 M 2  2.31 2.36 
2 F 2  2.29 2.09 
3 F 1  1.79 NaN

的代码似乎工作，我想结果与上述一致。不过，我已经注意到了这个faultily表现上了一个大的数据集，与条件

if i in df.index: 
    ... 
else: 
    ...

工作显然是错误的（它会继续else和副诗句，它应该不会，我想，这多指标可能不知何故）。

所以我的问题是，你知道任何其他方式，或更强大的版本，我更新一个DF基于另一个DF？

来源

2014-02-25 nutship

我认为您的预期存在一个错误，2.09行在更新中没有组= 1。 –

我认为你的预期产出有一个错字顺便说一句。在你提供的例子中没有'（2，F，1）' – TomAugspurger

确定Andy，首先你击败我的回答，现在我的评论:) – TomAugspurger

我想我会用合并来做到这一点，然后用where来更新列。首先删除时间列：

In [11]: times = up.pop('Time') # up = the update DataFrame 

In [12]: df1 = df.merge(up, how='outer') 

In [13]: df1 
Out[13]: 
    Id Sex Group Time Time! 
0 21 M  2 2.31 NaN 
1 2 F  2 2.29 NaN 
2 3 F  1 NaN NaN

更新时间，如果它不是NaN和时间！如果是NaN：

In [14]: df1['Time!'] = df1['Time'].where(df1['Time'].isnull(), times) 

In [15]: df1['Time'] = df1['Time'].where(df1['Time'].notnull(), times) 

In [16]: df1 
Out[16]: 
    Id Sex Group Time Time! 
0 21 M  2 2.31 2.36 
1 2 F  2 2.29 2.09 
2 3 F  1 1.79 NaN

来源

2014-02-25 23:26:52

更新基于另一个数据框

回答

相关问题